力抗Expedia,他離開微軟打造印尼旅遊獨角獸Traveloka!估值飆50億美元還要赴美IPO
力抗Expedia,他離開微軟打造印尼旅遊獨角獸Traveloka!估值飆50億美元還要赴美IPO

根據《富比士》於2021年8月4日釋出的報導,總部位於雅加達的旅遊新創公司Traveloka正在洽談一筆4億美元的併購,並預計要在美國上市,Traveloka的合併對象是由香港億萬富翁李澤楷和著名風險投資加彼得泰爾支持的特殊目的收購公司(SPAC)—Bridgetown Holdings,若計畫順利將使得Traveloka的估值達50億美元。

traveloka
圖/ traveloka

放棄哈佛商學院MBA的學位,選擇創業回饋鄉里

Traveloka是一家市值超過10億元的印尼獨角獸新創公司,成立於2012年,創辦人暨首席執行官為Ferry Unardi。根據《品雜誌》的人物專訪報導,Unardi出生於1988年,在普渡大學獲得計算機科學與工程的學士學位,畢業後曾在西雅圖的微軟公司擔任三年的軟體工程師,之後Unardi決定從公司離職,申請到哈佛大學的商學院攻讀MBA學位。

在哈佛讀完一個學期後,Unardi選擇退學,促使他做出這個決定的原因是:「好幾次我需要飛回印尼和其他城市,但我很難找到直飛機票,若要從印第安納坡里斯(位於美國的印第安納州)飛到印尼蘇門答臘市的巴東,我需要先飛往雅加達,再轉機到巴東,實在太複雜了」,這個長年的返鄉阻礙反而讓Unardi構想出打造Traveloka的商業念頭。

Unardi表示:「我認為這既是一個問題,也是一個機會,需要有人去找到最實用的解決方案。決定創業後,我找上微軟公司的前同事Derianto Kusuma和大學同學Albert Zhang,我們討論過印尼網路產業的發展,也談到要回國創業,回饋我們的國家。」

不讓Expedia專美於前,成功說服逾百家航空公司和酒店集團與其合作

儘管1996年創立、業務類似的的Expedia當時已是頗具規模的公司,但Unardi能成功的關鍵在於,他說服100多家的國內外航空公司和酒店集團與Traveloka合作。該應用程式在2018年就已被下載4,000萬次,目前業務也已成功擴展到鄰近的泰國、越南和菲律賓等;此外,Traveloka還擁有一項名為PayLater的金融科技服務,讓客戶無需信用卡就能進行線上分期付款服務。

traveloka
圖/ traveloka

Traveloka的快速增長與業務擴張令人驚艷,另一件值得關注的便是與Traveloka接洽的Bridgetown Holdings,該公司已於納斯達克上市,並籌集超過5億美元的資金,當時也在和印尼另一家獨角獸與電子商務平台Tokopedia進行會談,只是Tokopedia最後選擇先與Gojek合併。

今年2月中旬,Unardi表示公司預計最快將在今年以前透過特殊目收購的方式在美國上市,2個月後彭博社的報導稱Traveloka正在尋求以5億美元至7.5億美元的私人投資。對此,《日本經濟新聞》的報導轉述Unardi的說法:「公司在2020年因為COVID-19和旅遊限制,使業務量下滑,在該年4月更裁員一百人,不過我們的營運核心——旅遊業務在去年已開始出現盈利,這表示市場已準備好了,我們希望可以盡早上市。」

希望能追上Grab的進度,成為第一家透過SPAC在美上市的新創獨角獸

不過,整個東南亞也不只Traveloka有上市的野心,Grab、GoTo Group(Gojek和Tokopedia合併後的新名稱)、金融科技公司FinAccel和線上旅遊公司Tiket.com等都希望能透過SPAC在美上市,而在東南亞地區的新創公司如雨後春筍般冒出後,許多全球創投業者也已紛紛搶進該區域,競爭可謂相當激烈。

以Traveloka而言,它目前設定的主要競爭對手便是同為東南亞科技獨角獸的Grab,因為Grab已計劃在今年以前透過與Altimeter Growth—美國投資公司Altimeter Capital Management的空白支票公司合併,完成在美上市的目標,兩者的合併預計將使得Grab的市值達約396億美元。

Grab
圖/ Grab

雖然通過 SPAC 上市在某些方面可能比首次公開發行(IPO)更為簡單,但雅加達的風險投資家表示:「此類交易正面臨來自美國證券交易委員會(SEC)的阻礙」。例如:Grab在今年6月就推遲其與Altimeter的合併計畫至第四季,從它向SEC提交的文中可以看到,SEC仍在審理Grab過往三年的財務審查(financial audit),而在談到Traveloka的上市計畫時,Unardi也表示:「若在美國上市順利,未來也會在印尼上市。」

Traveloka的出現的確改變了印尼及其他地區旅遊業的運作方式,Unardi引用創業老手和風險投資傳奇人物Ben Horowitz的書《什麼才是經營最難的事》說道:「創業時,你不僅應該關注公司成長與用戶,你也應該要關注這背後的事物,例如創業團隊。大家很少談及這點,因為它跟網路沒有直接關係,但追根究底地說作為一家公司,首要任務毫無疑問的就是要建立一個穩固的團隊。」

資料來源:ForbesTech in AsiaPrestige

【延伸閱讀】

1.建築大師出手、耗資600萬英鎊打造的人造山!為何被旅客罵「倫敦最爛景點」?
2.雄獅旅遊拚「藍皮解憂列車」10月復駛 !推「藍色啤酒海」觀光套票

最新8月號雜誌《區塊鏈上的金融新世界》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

責任編輯:傅珮晴、錢玉紘

關鍵字: #旅遊
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓